Цифровым клиентам — цифровое обслуживание

Сегодня на вопрос «Что такое цифровые продажи?» каждый банк отвечает по-своему. В БСПБ таковыми считают продажи, полный цикл которых протекает в интернете без участия операциониста или оператора контакт-центра. «Мы для себя определили, что у нас есть онлайн-продажа, есть цифровая продажа (ее инициирует цифровой канал) и есть бизнес-план, предполагающий продажу без контакта с человеком на стадии оформления продукта», — рассказал Игорь Бутенко, директор по развитию цифрового бизнеса БСПБ.

Игорь Бутенко (БСПБ). Фото: CNews

В 2019–2022 годах в банке было создано несколько кросс-функциональных команд, объединяющих менеджеров по продуктам и специалистов по цифровым каналам. Эти команды занимались цифровыми продажами выбранных продуктов из портфелей для розницы и для корпоративных клиентов, а управление подходами осуществлялось из единого центра. Результатом их работы помимо роста цифрового направления стало обогащение клиентских баз, которыми сегодня пользуется контакт-центр БСПБ. «Мы определяем “теплоту” клиентов, их цифровой след и дополняем этой информацией базы. Таким образом, более 90% всех баз, которые использует наш контакт-центр, сформировано в цифровом канале», — отметил Игорь Бутенко.

За последние три года БСПБ увеличил долю продаж потребительских кредитов в цифровых каналах в два раза, 98-99% контактов с потребителями совершаются в «цифре», 65% активных клиентов каждый месяц заходят в цифровые платформы, а треть из них делают это ежедневно. В этом году цифровой канал стал самым продающим каналом в банке, опередив контактный центр.

Сейчас в клиентской базе БСПБ выделен сегмент цифровых клиентов, он характеризуется такими метриками, как количество продуктов на одного клиента, их проникновение в базу этих клиентов и портфель продуктов. «Когда мы смотрим только на продажи в штуках, мы очень сильно ограничены в инструментах роста бизнеса», — пояснил Игорь Бутенко. По его словам, в прошлом году в банке начали учитывать также цифровую выручку, но оказалось, что показатель никак не отражает, обеспечил ли эту выручку цифровой канал продаж или клиент был направлен на цифровую платформу в каком-то альтернативном канале. А каналы продаж в БСПБ конкурируют между собой за лучших клиентов.

Сейчас делается ставка на модель «Следующее лучшее предложение» — Next Best Offering (NBO). Она помогает найти персонализированный подход, в основе которого лежат знания о поведении клиента и его покупках и который позволяет предложить ему необходимый в данный момент банковский продукт. С точки зрения специалистов банка, это один из инструментов, который поможет максимизировать цифровые продажи и повысить доходность канала.

Как оценить рынок по разным банковским продуктам

Цифровые технологии с успехом могут использоваться и в корпоративном сегменте. Тут знание о клиентах является ключом к росту бизнеса. «Для нас было важно знать, в каких банковских продуктах у клиента есть потребность, каковы объем и доля рынка этого клиента, а также специфику отрасли, которую он представляет: динамику рынка, тенденции», — рассказала Юлия Саввина, управляющий директор отдела расчета клиентских кошельков блока корпоративно-инвестиционного бизнеса ВТБ.

Юлия Саввина (ВТБ). Фото: CNews

В ВТБ разработали приложение «Кошелек» — точный аналитический инструмент оценки рынка на уровне отдельных юридических лиц по конкретному банковскому продукту. Для каждого такого «Кошелька» собирается и анализируется информация из шести коммерческих и девяти открытых источников. Для одного клиента, как правило, используются несколько источников, которые приоритизируются по качеству, полноте, достоверности и актуальности. «Например, для расчета “Кошелька” по зарплатным проектам мы используем восемь источников. Это данные ФНС, данные Росстата, доступные рейтинги, отчеты. Также мы используем моделирование на основе сведений о средней заработной плате в конкретной отрасли в конкретном регионе», — пояснила Юлия Саввина.

По ее словам, если данные отсутствуют в явном виде, для расчета «Кошелька» используются алгоритмические расчеты и косвенные индикаторы. Так, для получения информации о рынке для конкретного клиента по аккредитивам применяется парсинг пояснительных отчетов к РБСУ-отчетам, а информация по конкретному клиенту собирается по документарным операциям.

На сегодняшний день специалисты ВТБ уже рассчитали «Кошельки» по 12 банковским продуктам. Все они размещены в CRM-системе банка собственной разработки. «В ней можно увидеть не только информацию по структуре компании (по юридическому лицу), но и данные по конкретному рынку, по конкретному продукту, с указанием доли клиента на рынке, а также с детализацией источника, откуда мы эти данные берем», — рассказала Юлия Саввина.

«Кошельки» используются в широкой линейке бизнес-процессов банка: в бизнес-планировании, при выработке клиентских или отраслевых стратегий, при установлении условий обслуживания, а также при оптимизации системы развития бизнеса в регионах.

Особенность разработанного в ВТБ аналитического инструмента заключается в том, что он применяется для оценки всей банковской продуктовой линейки по всем юридическим лицам, зарегистрированным на территории Российской Федерации. Кроме того, наличие в его основе огромного количества данных из разных источников позволяет делать различные аналитические срезы — анализировать рынок не только в разрезе клиентов, но и в разрезе сегментов, отраслей, регионов и т.д.

«Кошельки» — источник информации для продаж и расширения охвата сегмента B2B, поэтому они интересны не только банкам, но и финансовым компаниям, поставщикам услуг лизинга, факторинга и т.д., а также крупным корпоративным клиентам в сегменте B2B. Сейчас в ВТБ прорабатывается вопрос о реализации аналитических отчетов на основе «Кошельков» для других банков.

ML-модели: построить и эффективно использовать

Около 30% страховых компаний в России применяют решения на базе ИИ, такие данные привел Сергей Алешкин, руководитель направления Data Science, «СОГАЗ» (Страховое общество газовой промышленности). Объяснение этому простое — уже более 70% их клиентов готовы приобретать страховые продукты в безбумажной форме, а оставшиеся 25% согласны на полностью цифровое страхование.

Сергей Алешкин («СОГАЗ»). Фото: CNews

Решения на основе ИИ применимы в страховых компаниях на каждом этапе взаимодействия с потребителем: при прогнозировании спроса, подборе оптимальных каналов коммуникаций, расчете персональных тарифов и подготовке персональной продуктовой корзины для клиента. «Искусственный интеллект используется у нас в таких бизнес-процессах, как скоринг при страховой проверке, выявление мошенничества, при подготовке и проведении прямых и кросс-продаж, а также при планировании маркетинговых компаний», — рассказал Сергей Алешкин.

Исследование данных для решения задач бизнеса предполагает поэтапную работу. Она начинается с постановки бизнес-целей и включает в себя такие этапы, как изучение имеющихся в компании данных, их подготовка и очистка, выбор оптимального метода построения модели, построение модели, оценка ее качества и при необходимости совершенствование. При этом эксперт отметил, что этап подготовки данных занимает около 80% времени. Снизить его можно, применив инструменты Low-Code.

Помимо повышения скорости разработки моделей применение Low-Code библиотек для их подготовки обеспечивает мультиплатформенность — возможность использовать данные из разных сред без каких-то дополнительных настроек. Важно, что этот инструмент снижает требования к знанию разработчиками языков программирования. В условиях нехватки специалистов по ML и программистов, владеющих Python, он позволит привлечь к построению модели машинного обучения людей из бизнеса, что положительно отразится на ее качестве.

В страховой компании «СОГАЗ», по словам Сергея Алешкина, для создания и обучения моделей сейчас активно используют Pycaret — Low-Code библиотеку с открытым исходным кодом. «Она позволяет сделать предварительную обработку дата-сета, прогнать его по всем способам машинного обучения и выявить максимально эффективные», — пояснил эксперт.

В качестве примера он привел модель, которая используется с 2019 года в более чем 200 отделениях компании «СОГАЗ» из 70 регионов России, предназначенную для прогнозирования спроса на продукты добровольного страхования у клиентов ОСАГО. По статистике, из 100 клиентов ОСАГО только четверо рассмотрят возможность приобретения каско, страхования имущества и т.д. Модель отбрасывает 98% незаинтересованных клиентов, затем из оставшихся выделяет 40% клиентов, готовых пробрести продукты добровольного страхования в ближайшее время.

Ее применение помогло компании «СОГАЗ» существенно снизить трудозатраты на кросс-продажи. С операторов контакт-центра снимается необходимость обзванивать клиентов, вероятность положительной реакции которых на предложение будет минимальной. Они фокусируются на клиентах, которые с высокой долей вероятности купят такой продукт. Благодаря этому они грамотно распределяют время и добиваются в продажах большего успеха.

Инвестеху нужны персонализированные коммуникации с клиентами

Российские инвестиционные компании и банки привлекли более 1 млн новых клиентов, для удобства которых был разработан ряд рекомендательных сервисов. Но после 24 февраля 2022 года ситуация изменилась: процентные ставки выросли, перспективы экономического роста оказались под вопросом, многие «движки», которые должны были рекомендовать стратегии инвестиций, себя не оправдали. Также ряд российских банков, предлагавших доступ к иностранным ценным бумагам, оказались под санкциями, констатировал Ярослав Кабаков, директор по стратегии «ФИНАМ».

Ярослав Кабаков («ФИНАМ»). Фото: CNews

Огромные клиентские базы необходимо сегментировать, клиентов по продуктам нужно поддерживать, а их в инвестиционных компаниях сотни, а то и тысячи. Решать эти задачи можно только за счет автоматизации работы с клиентской базой и развития коммуникаций с ней как верного способа повышения лояльности. По словам эксперта, с 25 февраля и до конца лета 2022 года клиенты жаловались на отсутствие коммуникаций с инвестиционными компаниями.

При этом благодаря цифровизации потребность клиентов в способах и каналах коммуникаций изменилась, и традиционных средств им уже недостаточно. В большинстве своем они предпочитают многоканальное взаимодействие, а некоторые клиенты уже готовы к полностью цифровому обслуживанию. У многих сформировалась потребность в том, чтобы эти коммуникации были персонализированными.

Отсюда — тренды на роботизацию рутинных процессов, оптимизацию работы контакт-центров, развитие чат-ботов и голосовых помощников, а также интерес к социальному трейдингу, наблюдающиеся сейчас в банках и инвестиционных компаниях.  

На базе информационно-аналитического агентства ГК «ФИНАМ» реализовала сервис персонализированной текстовой аналитики, то есть аналитики, адаптированной к модели поведения клиентов, их образу жизни и стилю потребления контента. По словам Ярослава Кабакова, он был встречен клиентами с одобрением.